Titanic数据集是我们进入到机器学习领域中的第一个数据集,同我们学习编程的第一句程序语言(‘hello,world’)是一样的。通过对该数据集进行机器学习建模,掌握Numpy,Pandas,Matplotlib,Sklearn等常用数据分析库的使用,并掌握机器学习的完成流程数据预处理 - 建立基础模型 - 模型评估 - 调参 - 固定模型参数。
泰坦尼克沉船是震惊世界的海难事件,1912年4月15日,在它的处女航中,撞上冰川后沉没。造成了超过1502人死亡,该事件也引起了全世界对于船舶安全法规的重视。在这场灾难中,有一些因素也导致了部分乘客的获救机率比较高,如老人,小孩,上流阶层,我们的目标是利用机器学习算法来对乘客的存活情况进行预测。
该数据集由两部分组成:
1.训练集:891条乘客数据
2.测试集:418条乘客数据
我们的目标是使用训练集来训练模型,使用测试集来检验模型的性能。训练集和测试集中均存在缺失值,所以在建立模型之前,需要对该数据集做预处理。
列名称 | 含义 |
---|---|
PassengerID | 乘客编号 |
Survived | 是否获救(获救:1;未获救0) |
Pclass | 船舱等级(1:一等舱;2:二等舱;3:三等舱) |
Name | 乘客姓名 |
Sex | 性别 |
SibSp | 兄弟姐妹和妻子的人数 |
Parch | 父母和孩子的人数 |
Ticket | 船票编号 |
Fare | 船票价格 |
Cabin | 船舱编号 |
Embarked | 登录港口 |
Age | 乘客年龄 |
1.数据与处理和特征工程
2.建立机器学习模型
3.在测试集中评估模型效果
数据集和代码请参考:项目一:Titanic